关于数据挖掘:Python用RNN神经网络LSTM优化EMD经验模态分解交易策略的股票价格MACD分析

全文链接：http://tecdat.cn/?p=28265

预测股票价格，并在适合的工夫产生交易策略实现收益，始终是一个热门的问题，到当初为止也提出了很多预测办法。但股票价格的实时预测是一个难点，须要及时预测价格趋势并作出交易判断。

依据市场上已有价格等数据，预测股票价格或趋势，造成交易策略，通过回测计算收益状况。

应用分钟集数据，取得股票价格、交易量、流量数据，其中流量数据是用一种非凡的方法计算。每天交易工夫为 4 小时，所以一天有 240 组数据。

因为数据量级的差别，须要对数据进行预处理，都进行归一化。

以上阐明了如何抽取相干特色，咱们大抵有如下训练样本（只列举局部特色）。

思考到最终模型会预测未来的某时间段的销量，为了更实在的测试模型成果，以工夫来切分训练集和测试集。其中训练集与测试集的比例为 8：2。

LSTM，长短期记忆网络，是一种非凡的 RNN 网络。 LSTM 解决了 RNN 中存在的长期依赖问题，有输出门、输入门和忘记门。

EMD，教训模态合成，任何信号能够分解成若干模态重量之合。

EMD合成在解决非安稳及非线性数据上，具备非常明显的劣势，适宜于剖析非线性、非安稳信号序列，具备很高的信噪比。

1.利用 LSTM 预测股票价格解决 EMD 合成的端点问题。

1.利用 LSTM 预测中国安全的股票价格情况：从 loss 图中能够看出，网络成果较好，训练集和测试集的 loss 都是降落后趋于稳定，不存在过拟合景象。

从下图能够看出测试集的价格预测有很高的一致性。

下图是放大后成果

2. 利用EMD 合成计算 MACD 的值生成交易信号，将信号代入实在股价产生收益。能够看出胜率在６０％左右

在此对Xiaoyi Sun对本文所作的奉献示意诚挚感激，她在哈尔滨工业大学实现了利用统计硕士学位，特长深度学习、数理金融等。

最受欢迎的见解

1.R语言实现CNN（卷积神经网络）模型进行回归

2.r语言实现拟合神经网络预测和后果可视化

3.python用遗传算法-神经网络-含糊逻辑控制算法对乐透剖析

4.R语言联合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络工夫序列剖析

5.Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格工夫序列和MSE评估准确性

6.Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类

7.用于NLP的seq2seq模型实例用Keras实现神经机器翻译

8.R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行工夫序列深度学习预测

9.Python用RNN循环神经网络：LSTM长期记忆、GRU门循环单元、回归和ARIMA对COVID-19新冠疫情新增人数工夫序列预测